رپیدماینر یک نرم افزار داده کاوی است که توسط کمپانی به همین اسم تولید شده است. این نرم افزار در یادگیری ماشین و داده کاوی و متن کاوی و آنالیز پیش بینی و آنالیز تجارت استفاده می شود. این نرم افزار هم در محیط های صنعتی و هم دانشگاهی مورد استفاده قرار می گیرد.گفته می شود این نرم افزار ۹۹ درصد راه حل های آنالیزی پیشرفته را بدون هیچ زحمت کدنویسی برای  محقق داده کاوی فراهم می کند.این نرم افزار با زبان برنامه نویسی جاوا نوشته شده است. تمامی عملیات در نرم افزار رپیدماینر توسط پنجره گرافیکی انجام می شود. عملیات workflow در رپیدماینر به نام فرایند process شناخته می شوند که شامل چندین عملگر operator تشکیل می شوند. هر عملگر یک وظیفه را در فرایند انجام می دهد.این نرم افزار قابلیت ارتباط با نرم افزارهای داده کاوی دیگر مانند R و  weka را دارد. RapidMiner قوی ترین و آسان ترین نرم افزار برای آنالیز داده ها به صورت عددی و نمایش گرافیکی نتایج حاصل از تحلیل داده ها است. هم چنین این نرم افزار قابلیت ورود کدهای داده کاوی از سایر برنامه ها مانند R و Python را دارد و می تواند از داده های سایر نرم افزار های داده کاوی مانند: Microsoft Excel و  Microsoft Access ,Oracle ,IBM DB ,Microsoft SQL Server ,Teradata نیز استفاده کند. این نرم‌افزار یک ابزار داده‌کاوی متن‌باز است که با زبان جاوا نوشته‌شده است و از سال ۲۰۰۱ تابه‌حال، توسعه داده‌شده است. در این نرم‌افزار سعی گروه توسعه‌دهنده، بر آن بوده است که تا حد امکان تمامی الگوریتم‌های رایج داده‌کاوی و هم‌چنین یادگیری ماشین پوشش داده شوند. به‌گونه‌ای که حتی این امکان برای نرم‌افزار فراهم‌شده است تا بتوان سایر ابزار‌های متن‌باز داده‌کاوی را نیز به آن الحاق نمود. رابط گرافیکی شکیل و کاربر‌پسند نرم‌افزار نیز آن را یک سر و گردن بالاتر از سایر ابزار‌های رقیب قرار می‌دهد. از نقاط قوت نرم‌افزار می‌توان به موارد زیر اشاره کرد.

جلسه اول دوره آموزش داده کاوی با رپیدماینر
  • آشنایی اولیه با مفاهیم داده کاوی
  • آشنایی با تعاریف مهم در داده کاوی
  • آشنایی اولیه با مبانی داده کاوی
  • آشنایی اولیه با فرآیند داده کاوی
  • آشنایی اولیه با الگوریتم داده کاوی
  • آشنایی اولیه با ابزارهای داده کاوی
  • آشنایی با فضای کلی داده کاوی در SSAS
جلسه دوم دوره آموزش داده کاوی با رپیدماینر
  • عنوان : آموزش پروژه محور آشنایی و ساخت یک پروژه داده کاوی
  • آشنایی با مباحث اولیه رپیدماینر
  • پیش بینی پازیشن کارکنان یکی از ادارات دولتی
  • آشنایی با تمام تکنیک های ابتدایی مورد نیاز برای انجام فرایند داده کاوی در رپیدماینر
جلسه سوم دوره آموزش داده کاوی با رپیدماینر
  • عنوان : آموزش پروژه محور شبیه سازی پروژه طبقه بندی و تولید قوانین انجمنی مجموعه داده(دیتاست) فیلم در رپیدماینر
  • طراحی یک طبقه بندی، تست آن و گرفتن خروجی به کمک روش هایی مانند KNN و Random Forest
  • آموزش کاهش ابعاد داده ها با تکنیک های حرفه ای و معرفی چند روش معروف کاهش بعد
  • یافتن Frequent Items یا ایتم های پرتکرار در یک دیتاست
  • تولید قوانین انجمنی
  • توضیحات در مورد پیش پردازش هایی مانند generate Attribute
  • فایل ها و ضمایم مرتبط با این جلسه : ۴ فایل اکسل دیتاست و ۴ فایل مربوط به مدل با پسوند rmp
جلسه چهارم دوره آموزش داده کاوی با رپیدماینر
  • عنوان : آموزش پروژه محور ترکیبی پیش بینی و بهینه سازی وضعیت بیماران به کمک تکنیک های پیشرفته Ensembling در رپیدماینر
  • مدل سازی عملیات پیش بینی یا دسته بندی با استفاده از الگوریتم ENSEMBLING بروی داده های مربوط به دیتاست وضعیت بیماران با نرم افزار داده کاوی رپیدماینر
  • طبقه بندی داده های ستون کلاس با ترکیب سه الگوریتم SVM؛ NN و KNN
  • فایل ها و ضمایم مرتبط با این جلسه : داکیومنت (جزوه) حدود ۱۵ صفحه ای و تصویری به همراه توضیحات تشریحی؛ تحویل مدل رپیدماینر؛ دو عدد دیتاست
جلسه پنجم و ششم دوره آموزش داده کاوی با رپیدماینر
  • عنوان : آموزش پروژه محور ساخت دیتاست دانشجویان و وضعیت تحصیلی آنها به همراه پروژه پیش بینی رتبه کنکور دانشجویان به کمک تکنیک های داده کاوی در رپیدماینر
  • اسکریپت های اس کیو الی جهت ساخت و تولید دیتاست دانشجویان
  • پروژه پیش بینی رتبه کنکور دانشجویان به کمک چندین روش داده کاوی
  • صحبت در مورد بتدای ساخت دیتاست (مجموعه داده) از ابتدا تا انتهای ساخت مدل رپیدماینر به کمک چندین روش داده کاوی از جمله روش داده کاوی SVM و KNN , درخت تصمیم و روش هایی مانند رگرسیون و…
  • پیاده سازی چند پروژه عملی از صفر تا صد
  • پیاده سازی ستون های دیتاست ها با زبان SQL به صورت کامل
  • فایل ها و ضمایم مرتبط با این جلسه: جزوه یا داکیومنت تصویری به همراه توضیحات تشریحی؛ یک عدد مدل فایل رپیدماینر ؛ تحویل دیتاست ؛ تحویل کد های دیتاست به زبان SQL
جلسه هفتم و هشتم دوره آموزش داده کاوی با رپیدماینر
  • عنوان : آموزش پروژه محور انجام تکنیک های مبتدی و حرفه ای داده کاوی بر روی دیتای یک فروشگاه داخلی به کمک تکنیک های داده کاوی در رپیدماینر
  • آموزش تکنیک های طبقه بندی و خوشه بندی و بعد آپتیمایزیشن و در انتها استفاده از تکنیک های استخراج قوانین انجمنی بر روی داده های یک فروشگاه
  • فایل ها و ضمایم مرتبط با این جلسه : دو عدد مدل فایل رپیدماینر ؛ دیتاست فروشگاهی
جلسه نهم دوره آموزش داده کاوی با رپیدماینر
  • عنوان : آموزش پروژه محور انجام تکنیک های مبتدی و حرفه ای داده کاوی بر روی داده های عددی یک فروشگاه خارجی به کمک تکنیک های داده کاوی در رپیدماینر
  • پیش پردازش داده ها
  • پیش بینی قیمت با الگوریتم رگرسیون
  • استفاده از تکنیک های پیش رفته تر انسمبلینگ و تقویت روش رگرسیون برای پیش بینی بهتر
  • فایل ها و ضمایم مرتبط با این جلسه : یک عدد مدل فایل رپیدماینر ؛ دیتاست فروشگاهی خارج از کشور جمعه سیاه با حدود ۵۰۰ هزار رکورد ؛ یک جزوه کامل مصور از مراحل کار
جلسه دهم دوره آموزش داده کاوی با رپیدماینر
  • عنوان : آموزش پروژه محور انجام تکنیک های حرفه ای داده کاوی بر روی داده های چندین ساله سری زمانی آب و هوای ایران به کمک تکنیک ARIMA در رپیدماینر
  • کار بر روی داده های سری زمانی به کمک انواع تکنیک های مبتدی و پیشرفته داده کاوی مانند خوشه بندی، ترکیب خوشه بندی و طبقه بندی با چندین الگوریتم معتبر، پیاده سازی مدل اریما و ترکیب ان با خوشه بندی، شرح کامل این روش، توضیح مراحل انجام کار و پیش پردازش داده ها و دریافت خروجی مناسب از داده ها.
  • انجام تکنیک های پیشرفته اپتیمایزیشن روی مدلها
  • پیاده سازی مدل سری زمانی holtWinters با همین داده ها در رپیدماینر به صورت کامل و نمایش خروجی به صورت کامل
جلسه یازدهم دوره آموزش داده کاوی با رپیدماینر
  • عنوان : آموزش پروژه محور انجام تکنیک های مبتدی و حرفه ای داده کاوی بر روی داده های سری زمان آب و هوای ایران به همراه توضیحات کامل شیوه کار با داده های سری زمانی
  • آموزش پروژه محور انجام تکنیک های مبتدی و حرفه ای داده کاوی بر روی داده های سری زمان آب و هوای ایران به همراه توضیحات کامل شیوه کار با داده های سری زمانی
  • آموزش پیش پردازش داده های سری زمانی در رپیدماینر و توضیحات کامل در خصوص پیش پردازش آنها
  • کار با هاریزون در رپیدماینر ، کار با windowing در رپیدماینر و همچنین کار با اکستنشن اصلی سری های زمانی در رپیدماینر به جهت مدلسازی و پیش بینی داده های آب و هوایی. پیش بینی داده های سری زمانی به کمک الگوریتم های مختلفی از جمله بیزین درخت تصمیم ؛ دیپ لرنینگ و KNN و بوستینگ بگینگ و کاهش ابعاد داده هاو انواع دیگر روش های داده کاوی مطرح
  • کار با کراس ولیدیشن و همچنین پیشنهاد یک مدل کامل برای پیش بینی داده های سری زمانی
  • متعلقات : 4 عدد مدل رپیدماینر و مجموعه داده بحث شده
جلسه دوازدهم دوره آموزش داده کاوی با رپیدماینر
  • عنوان : پیش بینی سودده بودن شرکت های نفتی و پتروشیمی ایران به کمک تکنیک درخت تصمیم
  • آشنایی با دیتاست واقعی پتروشیمی
  • پیش پردازش داده ها
  • کار با کراس ولیدیشن
  • مدلسازی داده ها
  • تحلیل نتایج
  • آشنایی کامل با ماتریس درهم ریختگی
  • فایل ها و ضمایم مرتبط با این جلسه : یک عدد مدل فایل رپیدماینر ؛ دیتاست پتروشیمی واقعی – داکیومنت کامل فارسی در فرمت ورد به صورت مقاله

دیدگاه‌ها (0)

نقد و بررسی‌ها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین کسی باشید که دیدگاهی می نویسد “دوره آموزشی کامل غیر حضوری پروژه محور داده کاوی با رپیدماینر”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *


پاسخ من را به ایمیلم ارسال کن